王利鑫， 耿焕同， 孙 凯， 张 茜

(南京信息工程大学计算机与软件学院，江苏南京210044)

0 引 言

信息的生产、存储、获取、共享以及传播已越来越方便，但与此同时，信息泄密随着信息化程度的提高而日益加剧。近年来，各级党政机关门户网站普及的同时，非法披露国家秘密信息事件呈上升趋势，在泄密事件中所占比例也迅速攀升，信息公开的同时导致了信息的泄密[1]。在各种信息安全威胁所造成的损失中，企业和政府机构因重要信息被泄密所造成的损失排第一位。所以，信息泄密检测已成为一项十分艰巨而重要的任务。目前针对各级党政机关网站的信息泄密检测主要采用人工检测方式，效率低、安全性差。主要原因有3点：一是网络信息量大。工作人员需访问大量网页，下载大量文档逐一查看比较，通过人工判断是否存在涉密信息。二是泄密程度存在差异。泄密一般可分为全文与部分泄密。全文泄密检测相对容易，部分泄密的检测则难度高、工作量大。原因是泄密部分可能是涉密原文的部分段落，或是调整顺序的段落，或是调整语序的段落，或是对某些段落的合并、扩充、压缩等情况，更有甚者仅仅为涉密原文的某些语句。工作人员在检测时需逐段逐句的进行比较并定位疑似泄密信息，否则会出现漏检。三是安全性差，易造成二次泄密。由于人工检测需查看涉密文件，为信息的泄密多了一份可能与危险。针对以上问题，提出了一种基于自然语言处理的文本泄密自动检测技术，实验结果证明该方法是有效可行的。……